文献

J-GLOBAL ID：201802236826946911   整理番号：18A0244115

Granger因果律はグラフィカルモデルにおける因果推論を満たす:非侵襲的観察による学習ネットワーク【Powered by NICT】

Granger-causality meets causal inference in graphical models: Learning networks via non-invasive observations

著者 (2件)： Dimovska Mihaela (Department of Electrical Engineering and Computer Science, University of Tennessee, Knoxville) ,  Materassi Donatello (Department of Electrical Engineering and Computer Science, University of Tennessee, Knoxville)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CDC  ページ： 5268-5273  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： グラフィカルモデル地域で開発されたアルゴリズムは,有向非巡回構造を持つ動的システムのネットワークの解析と再構成のための有用なツールであることが証明された。しかし,そのような技術は,典型的には,フィードバック機構の存在下での動的システムのネットワークのための一貫した再構成を提供することができない。一方,因果的推定子と一歩先の予測因子に基づく再構成技術,Granger因果律のようなループネットワークを再構成することができるが,ネットワークの入力/出力構造を定義するすべての演算子は厳密に因果場合に限られる。本研究では,単一フレームワークの下で両手法を統合するグラフィカルモデルと因果推定量技術の利点を組み合わせたネットワークトポロジーのための新しい再構成法を開発した。基本的な結果は全てのループは少なくとも1つの厳密に因果伝達関数を含む,より穏やかな仮定の下での線形動的システムのネットワークのトポロジーの一貫した再構成を提供するGranger因果律の一般化である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 位相幾何学 ,  推定量 ,  伝達関数 ,  *学習 ,  *ネットワーク ,  再構成 ,  ネットワーク構造 ,  動的系 ,  アルゴリズム ,  線形性
準シソーラス用語： ネットワークトポロジー ,  予測因子 ,  *非侵襲 ,  *因果推論 ,  *信念ネットワーク ,  *Granger因果律 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (6件)： Granger因果律 ,  グラフィカルモデル ,  因果推論 ,  非侵襲的 ,  観察 ,  学習